LSST scientists discuss the future of cosmology in the era of Artificial Intelligence
An article by the LSST DESC collaboration discusses how Artificial Intelligence is transforming the practice of cosmology in the era of large-scale data, redefining how scientists analyze, validate, and produce scientific knowledge.
View on InstagramCom a chegada do Vera C. Rubin Observatory e do levantamento LSST, a cosmologia entra em uma fase em que observar o Universo passa a ser apenas parte do desafio. A outra parte envolve organizar, interpretar e validar fluxos contínuos de dados em escala inédita. Diante desse cenário, a LSST Dark Energy Science Collaboration (LSST DESC) reuniu pesquisadores de diferentes áreas para refletir sobre como a Inteligência Artificial deve ser integrada ao coração da prática científica. O resultado é um white paper que antecipa como será fazer ciência em um ambiente dominado por dados, software complexo e colaborações globais.
Um dos temas centrais do documento é o papel dos grandes modelos de linguagem e dos chamados sistemas baseados em agentes. Esses sistemas combinam a capacidade dos modelos de linguagem de compreender e sintetizar informação com a habilidade de executar ações concretas, como rodar códigos, acessar bases de dados, coordenar pipelines e documentar resultados. No contexto do LSST DESC, eles surgem como uma nova camada de interação entre cientistas e a infraestrutura científica, capaz de tornar workflows complexos mais acessíveis, rastreáveis e escaláveis.
A seção dedicada a grandes modelos de linguagem (Large Language Models) e agentes foi coordenada, escrita e curada pelo pesquisador em tecnologia Clécio De Bom, que também lidera o Laboratório de Inteligência Artificial aplicada à Física do CBPF. Nela, o white paper descreve como esses sistemas já atuam como assistentes de pesquisa em tarefas como busca e síntese de literatura, desenvolvimento de software científico e análise exploratória de dados. Em grandes colaborações, isso significa reduzir drasticamente o tempo necessário para compreender códigos legados, navegar por documentação extensa e reproduzir análises complexas.
O texto também projeta um futuro próximo em que agentes científicos passam a orquestrar partes inteiras do ciclo de pesquisa, desde a seleção de dados até a execução de análises padronizadas e a verificação automática de resultados contra benchmarks definidos pela colaboração. Essa visão aparece de forma concreta em exemplos discutidos no documento, como agentes capazes de rodar inferência cosmológica, monitorar pipelines em tempo real e gerar relatórios técnicos com rastreabilidade completa.
Ao mesmo tempo, o documento enfatiza que a adoção desses sistemas exige novos padrões de governança científica. Avaliação rigorosa, registro de decisões, controle de versões e supervisão humana aparecem como elementos estruturais desse novo ecossistema. A proposta é clara: agentes inteligentes ampliam a escala e a eficiência do trabalho científico quando operam dentro de estruturas que preservam reprodutibilidade, responsabilidade e interpretação física.
Mais do que apresentar tecnologias, o white paper reflete um esforço coletivo de cientistas que decidiram pensar adiante. Em vez de apenas reagir às transformações trazidas pela Inteligência Artificial, o LSST DESC escolheu moldar ativamente seu uso, definindo princípios, limites e oportunidades. Nesse processo, LLMs e sistemas agentivos deixam de ser curiosidades experimentais e passam a integrar a visão de futuro da cosmologia, como ferramentas que organizam a complexidade crescente da ciência contemporânea e permitem que pesquisadores concentrem sua energia intelectual onde ela tem maior impacto: compreender o Universo.
Leia o white paper completo e saiba mais.